Die Herausforderungen für Audi

Mit Data Analytics auf der Überholspur

Parkcomputer oder Spurassistenzsysteme: Kunden erwarten zahlreiche ­Konfigurationsmöglichkeiten, was Automobilhersteller wie Audi vor große Heraus­forderungen stellt. Doch wie lassen sich Individualisierungswünsche auf Kundenseite und ausreichende Gewinnspannen verbinden?

Audi

Der Automobilhersteller mit Hauptsitz in Ingolstadt betreibt weltweit zwölf Produktionsstandorte und ­beschäftigt rund 88.000 Mitarbeiter.

„Jeder Kunde kann ein Auto in jeder gewünschten Farbe haben, solange es Schwarz ist.“ Es ist eines dieser berühmten Zitate von Henry Ford, der Anfang des 20. Jahrhunderts die Fließbandarbeit perfektionierte und damit den Weg für die industrielle Massenfertigung ebnete. Nachdem Ford die Farbauswahl seiner Automodelle zu Beginn tatsächlich auf Schwarz beschränkt hatte, erweiterte er 1925 schließlich doch die Farbpalette, um den Verkauf anzukurbeln. Rund 100 Jahre später ist es Autokäufern längst nicht mehr genug, aus wenigen Standardmodellen und Farben auszuwählen. Die Ausstattung muss den individuellen Bedürfnissen entsprechen, das Design dem Lebensgefühl.

Doch eine steigende Variantenvielfalt ist gleichbedeutend mit steigenden Produktionskosten. Komponenten und Prozesse müssen vorgehalten werden, um kurze Lieferzeiten zu garantieren. Ob die Teile später tatsächlich verbaut werden oder für sie lediglich unnötige Kosten anfallen, ist für Hersteller wie Audi die Gretchenfrage. Die Ingolstädter setzen bei der Suche nach Antworten seit 2016 auf die IT-Lösung „Vera“ (Varianten-Einbau-Raten-Analyse). Der Automobilhersteller hat diese gemeinsam mit dem Bonner IT-Consulting- und Software-Haus Comma Soft auf Basis der Data-Science-Lösung Infonea entwickelt. Das Tool von Comma Soft ermöglicht umfassende Ad-hoc-Analysen komplexer Datenmengen und generiert aussagekräftige Self-Service-Reports.

Laut einer Studie von Bitkom und KPMG aus dem vergangenen Jahr setzen inzwischen 21 Prozent der Automobilhersteller moderne Technologien zur Datenanalyse ein, um ihre Workflows nachhaltig zu optimieren und ihre Produktionskosten zu senken. Damit belegt die Automobilbranche gemeinsam mit der Versicherungswirtschaft den ersten Platz. Für beide Branchen existieren zahlreiche Gründe, um auf Big Data zu setzen, denn Methoden der Data Analytics ermöglichen es, komplexe Zukunftsszenarien zu simulieren und damit eine stabile Handlungsgrundlage für fundierte Entscheidungen zu schaffen. Aus Spekulation wird Kalkulation – und das in den unterschiedlichen Unternehmensbereichen.

Data Science in der Produktion


Insbesondere in produzierenden Unternehmen erstrecken sich die Einsatzszenarien für entsprechende Big-Data-Technologien auf immer mehr Geschäftsressorts. Hier werden Data-Science-Auswertungen z.B. zur Verbesserung des Qualitätsmanagements hinzugezogen: Wo tritt ein Fehler auf? Welche Produkte sind aufgrund identischer Komponenten möglicherweise noch betroffen? Zudem unterstützen entsprechende Analyse-Tools bei der prädiktiven Instandhaltung, indem Sensordaten erfasst und ausgewertet werden, um auf Basis von Algorithmen zur Mustererkennung auf drohende Maschinenausfälle frühzeitig reagieren zu können.

Große Einsparpotentiale bezüglich der Prozesskosten bieten sich für produzierende Unternehmen vor allem im Bereich des Variantenmanagements. Im konkreten Beispiel bei Audi hat das Team um Data Scientist Dr. Dieter W. Joenssen und Sebastian Herbst einen Variantenbaum entwickelt, der sämtliche Konfigurationsmöglichkeiten der Fahrzeuge abdeckt und zudem darstellt, wie beliebt eine bestimmte Zusammenstellung bei den Käufern ist. „Mit dem Tool können wir die Varianz und Komplexität beherrschen“, erklärt Joenssen. Dadurch ist es dem Automobilhersteller nun möglich, selten oder gar nicht nachgefragte Komponenten zuverlässig zu identifizieren. Die Vorteile: Audi optimiert die Wertbeiträge der einzelnen Varianten, indem die vorgehaltenen Bauteile dem Kaufverhalten der Kunden entsprechen. So entstehen weder unnötige Kosten für überschüssige Produktkomponenten noch werden Umsatzchancen verspielt, weil eine bestimmte Fahrzeugkonfiguration nicht verfügbar ist. In der Praxis beutet dies für die Ingolstädter enormes Einsparpotential, von dem bereits über 500 Fachanwender aus verschiedenen Abteilungen wie dem Vertrieb, der Entwicklung oder auch der Produktion profitieren.

Nutzerfreundlichkeit ist entscheidend


Die Voraussetzung für den fachübergreifenden Nutzen der Software ist eine ausgeprägte Benutzerfreundlichkeit, sodass auch User ohne umfassende Datenanalysekenntnisse die Lösung anwenden können. Der Grundgedanke: Primär gewinnen die Anwender aus den unterschiedlichen Fachabteilungen zentrale und damit gewinnoptimierende Erkenntnisse aus einer ­Datenanalyse. Denn schließlich verfügen vor allem diese über die für ihre jeweilige Abteilung nötige Expertise, um zielführende Pro­g-nosen aufzustellen, die einen wirtschaftlichen Nutzen bieten.

Dies ist ein Artikel aus unserer Print-Ausgabe 05/2017. Bestellen Sie ein kostenfreies Probe-Abo.

Dank eines vielseitigen Visualisierungs-Tools ist die Usability hoch, sodass sich die Lösung vor allem an eine Zielgruppe außerhalb der typischen Anwender für Business-Intelligence-Werkzeuge richtet. Für die Umsetzung benötigten die Entwickler lediglich eine Open-Source-D3-Visualisierung, die sie mit einem Standardwerkzeug verknüpft haben. So ist die Lösung in der Lage, die Ergebnisse einer Datenanalyse auf Knopfdruck aufzubereiten und einem fachübergreifenden Nutzerkreis zur Verfügung zu stellen. Ansprechende Visualisierungen bieten einen entscheidenden Mehrwert für die Analyse. Sie helfen den Anwendern dabei, datengestützte Ergebnisse im Detail zu verstehen und somit aus ihnen heraus fundierte Entscheidungen abzuleiten.


Die Audi AG
Der Automobilhersteller mit Hauptsitz in Ingolstadt betreibt weltweit zwölf Produktionsstandorte und ­beschäftigt rund 88.000 Mitarbeiter. ­Im Jahr 2016 lieferte man insgesamt 2.088.187 Automobile an die Kunden aus.


Bildquelle: Audi

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok